CornerNet的配置、訓(xùn)練與測(cè)試

文章目錄

• CornerNet的配置、訓(xùn)練與測(cè)試
• • 一、前言
  • 二、配置、訓(xùn)練、測(cè)試
  • 三、遇到的問(wèn)題

一、前言

論文地址：https://arxiv.org/abs/1808.01244

開(kāi)源代碼：https://github.com/umich-vl/CornerNet

CornerNet論文閱讀：https://blog.csdn.net/LLyj_/article/details/88900615

以下純屬個(gè)人按照README和Issues的實(shí)踐記錄，如有不當(dāng)還請(qǐng)大家多多指教。

二、配置、訓(xùn)練、測(cè)試

1. 首先創(chuàng)建一個(gè) Anaconda的環(huán)境，在根目錄下運(yùn)行以下命令：

   conda create --name CornerNet --file conda_packagelist.txt
   

   在這個(gè)過(guò)程中，也許有些包比較大，會(huì)出現(xiàn)錯(cuò)誤，那就把那個(gè)報(bào)錯(cuò)的單獨(dú)拿出來(lái)安裝，用清華源比較快。

2. 上述全部安裝完成之后，環(huán)境就建好了，接下來(lái)是激活環(huán)境，輸入以下命令：

   source activate CornerNet
   

   激活成功后你會(huì)發(fā)現(xiàn)，在命令行的最前面多出了一個(gè)（CornerNet），這代表在虛擬環(huán)境中，也就是你第一步所創(chuàng)建的環(huán)境，如圖所示：

3. 接下來(lái)編譯corner pooling layers，因?yàn)樗荂++寫(xiě)的，輸入以下命令：

   # 進(jìn)入相應(yīng)的目錄下 
   cd <CornetNet dir>/models/py_utils/_cpools/
   # 運(yùn)行以下命令
   python setup.py install --user
   

   沒(méi)有報(bào)出error即成功，warning不管他。

4. 接下來(lái)編譯NMS，輸入以下命令：

   # 進(jìn)入相應(yīng)的目錄下 
   cd <CornetNet dir>/external
   # 編譯
   make
   

5. 接下來(lái)Installing MS COCO APIs，逐步運(yùn)行以下命令：

   # 先在根目錄下創(chuàng)建data文件夾
   mkdir data
   # 進(jìn)入到data目錄下
   cd <CornetNet dir>/data
   # 下載，README里面的git那句沒(méi)用，所以我去查閱了issue，作者有提供過(guò)一個(gè)新的，所以這里我們跟README不一樣
   git clone https://github.com/cocodataset/cocoapi.git coco
   # 進(jìn)入相應(yīng)目錄
   cd <CornetNet dir>/data/coco/PythonAPI
   # 編譯
   make
   

6. 接下來(lái)最費(fèi)時(shí)間：下載數(shù)據(jù)集，這里我是沒(méi)下載，因?yàn)槲乙恢痹趯W(xué)習(xí)目標(biāo)檢測(cè)，所以coco數(shù)據(jù)集用了好幾次，建議把這些常用的數(shù)據(jù)集（Pascal voc、coco等）放在硬盤(pán)里，以便跑其他算法時(shí)省去下載的時(shí)間，當(dāng)然，也可以下載：

   # 下載annotations，這里給出鏈接，進(jìn)入鏈接直接下載
   https://drive.google.com/file/d/1dop4188xo5lXDkGtOZUzy2SHOD_COXz4/view
   # 下載完annotations后，在<CornetNet dir>/data/coco下手動(dòng)新建目錄：annotations,然后把上步下載的annotations放進(jìn)去
   # 接著下載images，下載3個(gè)，分別是2014 Train, 2014 Val, 2017 Test，鏈接如下：
   http://cocodataset.org/#download
   # 接下來(lái)在<CornerNet dir>/data/coco/新建images目錄，把下載的三個(gè)放進(jìn)去，分別改名為trainval2014, minival2014 testdev2017
   

7. 接下來(lái)開(kāi)始訓(xùn)練，作者在論文中說(shuō)到，訓(xùn)練用的是10個(gè)Titan X (PASCAL) 我沒(méi)錢所以用是的GPU是一個(gè)Tesla K80，所以訓(xùn)練時(shí)稍微改了代碼，具體如下：

   # 首先是指定一個(gè)GPU，所以我直接在train.py中添加了一句，這一句的作用是指定GPU
   torch.backends.cudnn.enabled   = True
   torch.backends.cudnn.benchmark = True
   os.environ["CUDA_VISIBLE_DEVICES"] = "0" # 加上這句
   # 之后修改了CornerNet.json中的兩個(gè)地方，具體如下：
   "batch_size": 3, # 原來(lái)是"batch_size": 49,
   "chunk_sizes": [3], # 原來(lái)是"chunk_sizes": [4，5，5，5，5，5，5，5，5，5],這是相對(duì)應(yīng)的，因?yàn)槭?0個(gè)GPU，所以這里有１０個(gè)數(shù)，且加起來(lái)等于batch_size＝４９
   

   訓(xùn)練過(guò)程截圖：

   按照我的這個(gè)訓(xùn)練速度，大概30分鐘能迭代340次，總共50萬(wàn)次。測(cè)試的話，訓(xùn)練結(jié)束后就自動(dòng)測(cè)試，坐等ap就好了。

   tips：這個(gè)50萬(wàn)次是原來(lái)默認(rèn)的，但是一般在訓(xùn)練一個(gè)網(wǎng)絡(luò)之前，我通常都會(huì)把迭代次數(shù)調(diào)小一點(diǎn)，比如調(diào)成200，這樣的目的是為了看訓(xùn)練完一遍的結(jié)果，看他訓(xùn)練結(jié)束后會(huì)咋樣，會(huì)不會(huì)報(bào)錯(cuò)啥的，然后有些可能還會(huì)測(cè)試，所以先看它完整的一遍流程，最后確保無(wú)誤之后，把迭代次數(shù)調(diào)大，然后就可以高枕無(wú)憂了。

三、遇到的問(wèn)題

說(shuō)明：大家如果遇到了問(wèn)題，可以GitHub上的Issues查找，我的所有問(wèn)題都是Issues找到解決方案的。因?yàn)橛袝r(shí)候百度查不到。

1. No module named 'torch.utils.cpp_extension’

   不要慌，這個(gè)錯(cuò)誤就是pytorch的版本問(wèn)題，解決方案就是換版本，換到0.4.0或者0.4.1，詳情請(qǐng)看這里

2. 運(yùn)行python setup.py install --user后報(bào)錯(cuò)，error: command ‘gcc’ failed with exit status 1

   這也是pytorch的版本問(wèn)題，解決方案就是換版本，換到0.4.0或者0.4.1，詳情請(qǐng)看這里

總結(jié)

以上是生活随笔為你收集整理的CornerNet的配置、训练与测试的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。